Verfahren und Systeme der Datenmustererkennung (DaMu)

SWS:

2/1/0

Ansprechpartner:

Dipl.-Wirt.-Inf. Christian Schieder

Vorlesungsunterlagen

1. Einführung (pdf, 541KB)

2. Begriffsbestimmung (pdf, 191KB)

3. CRISP-DM-Modell (pdf, 333KB)

4. Betriebswirtschaftliche Einsatzgebiete des Data Mining (pdf, 50KB)

5. Web Mining und Text Mining (pdf, 1127KB)

6. Entscheidungsbaumverfahren (pdf, 135KB)

7. Künstliche Neuronale Netze (pdf, 110KB)

8. Clusterung (pdf, 1727KB)

9. Assoziation (pdf, 100KB)

Zusätzliche Literatur:

• Felden: Text Mining als Anwendungsbereich von Business Intelligence (pdf; 230KB)
• Beekmann, Chamoni: Verfahren des Data Mining (pdf; 112KB)
• Düsing: Knowledge Discovery in Databases (pdf; 236KB)
• Knowledge Discovery in Databases und Data Mining (pdf; 118KB)

• {Termin: 20.01.09} Christian Piesche, Accenture: Data Mining im Marketing (Analytische Kundensegmentierung, Data Mining Potenziale I und Data Mining Potenziale II)
• {Termin: 03.02.09} Dr. Michael Thess, prudsys: Real-Time Data Mining

In der Übung werden mit Hilfe der Open Source Data Mining Lösung RapidMiner alle Phasen des Data Mining Referenzprozesses CRISP-DM anhand eines Praxisbeispieles durchlaufen.

Aufgrund der terminlichen Überschneidung mit der Ringvorlesung Informatik wird die Übung auf Do (ungerade Woche) 11.30 – 13.00 Uhr verlegt. Die Angaben im Vorlesungsverzeichnis werden in Kürze geändert.

Der Ablauf der Übung gestaltet sich wie folgt:

1. {Termin: 06.11.08} Einleitung, CRISP-DM, Diskussion der einzelnen Phasen (pdf)
2. {Termin: 20.11.08} Vorstellung Fallstudie / Business Understanding (pdf), Einführung in die Toolnutzung (Tutorial)
3. {Termin: 04.12.08} Data Unterstanding, Data Preparation(pdf)
4. {Termin: 18.12.08} Modeling I (Überwachtes Lernen: Klassifikation, Neuronale Netze); (pdf) mit Aufgabenblatt (pdf)
5. {Termin: 29.01.09} Modeling II (Unüberwachtes Lernen: Clusteranalyse, Assoziationsanalyse); (pdf) mit Aufgabenblatt (pdf) — Termin nicht am 15.01. da Blockveranstaltung Planspiel
6. {Termin: 05.02.09 Achtung, gerade Woche!} Evaluation, Deployment (pdf)

• Aufgabenstellung (txt)
• Trainingsmenge (txt; 3,3MB)
• Zu klassifizierende Stichprobe (txt; 3,2MB)
• Realklassifizierte Stichprobe (txt)
• Merkmalsbeschreibung (pdf)
• Allg. Beschreibung zum Vorgehen (pdf)